Prevalence and management of symptom diagnoses in children in general practice
Notice bibliographique
Résumé
OBJECTIVE: To explore the prevalence of symptom diagnoses in children in general practice and the management strategies performed by GPs. DESIGN: Retrospective cohort study. SETTING: The Netherlands. PARTICIPANTS: Participant data registered in a Dutch practice-based primary care research network (Family Medicine Network [FaMe-Net]). MAIN OUTCOME MEASURES: All episodes of care with at least 1 contact for a symptom diagnosis in 2018 as well as management strategies within each episode of care including the number and type of diagnostic interventions, therapeutic interventions, and referrals. RESULTS: Overall, 6162 children under 15 years of age and registered with GP practices were included in the cohort. Among them, 2767 (44.9%) had at least 1 contact with their GP for at least 1 symptom diagnosis, and 161 (2.6%) had at least 1 persistent symptom diagnosis. Constipation, wheezing, and weakness were the most commonly found persistent symptoms. For persistent symptom diagnoses, GPs indicated more therapeutic interventions (n=217, 40.1%) compared to diagnostic interventions (n=175, 32.3%) or referrals (n=149, 27.6%). CONCLUSION: Symptom diagnoses are highly prevalent in children in general practice. Future research should focus on which children are at risk of developing persistent symptom diagnoses and how to manage them.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».